★ FEATURED ARTICLE 坐了一整天把 OpenAI DevDay 2026 从头到尾看完了。说实话今年最大的感受不是某个模型参数又翻了几倍而是他们终于把开发者当成第一主角来对待。整场发布会节奏很快20 多个发布排得满满当当但真正让我反复回看的是 dots、ChatGPT Spaces、GPT-6.1 Sol 这三样东西。这篇文章我就以自己的视角把这次发布会的重点内容、我上手实测后的真实体验以及一些容易踩的坑一次性说清楚。如果你是做 AI 应用开发的工程师、在团队里负责 AI 落地立项的产品经理或者单纯对下一代模型能力好奇的爱好者这篇文章应该能帮你快速判断哪些东西值得现在就上手哪些可以再观望一阵。1. 发布会整体观感20 项发布背后的三条主线1.1 从发模型到发工作流过去几届 DevDay大家最关心的永远是新模型有多强、跑分多少、上下文多长。今年当然也发布了 GPT-6.1 Sol但整场看下来OpenAI 明显把重心从单点能力转向了完整工作流。以前是给你一把更好的锤子现在是把钉子和锤子打包甚至帮你画好了一条线让你知道往哪儿敲。这个转变在发布顺序上特别明显。上午开场放的是 ChatGPT Spaces 的产品演示紧接着是 dots 与 Codex CLI 的联动最后才轮到 GPT-6.1 Sol 压轴。这个编排是有意的先告诉开发者以后你会在什么环境里写代码、怎么和 AI 协作再告诉你底层模型变成了什么样。说白了就是要让大家意识到模型是地基但真正决定产出效率的是上面那层工具链。1.2 模型、工具、空间的三层联动我把这次发布的逻辑拆成了三层模型层GPT-6.1 Sol 作为新一代旗舰强化了工具调用、长任务执行和跨模态理解。工具层dots 提供了一种全新的代码内交互标记方式让开发者能在大段代码里精确指定 AI 的关注范围。空间层ChatGPT Spaces 把对话、文件、代码、运行环境封装成一个个独立工作区让 AI 协作从聊天升级为项目制。这三层不是割裂的而是同一套思路的递进。过去我们在 ChatGPT 里开一个对话聊着聊着就乱了代码、文档、问题混杂在一起现在用 Spaces 把项目隔离再借助 dots 让 Codex 精准理解修改意图最后交给 GPT-6.1 Sol 去执行整个链路非常顺。这也是为什么我标题里强调集中亮相——这三样东西单独拎出来都挺能打但合在一起才是这次发布会的真正杀伤力。1.3 哪些发布是为了让开发者赚钱的20 多项发布里有一部分是 SDK、API 定价和评估工具层面的更新明显是为了降低开发者把 AI 接入生产环境的成本。比如新的模型网关支持多供应商路由又比如 Fine-tuning 的批次任务价格下调。这些东西不像新模型那么抢眼但对实际落地 ROI 影响很大。我自己的判断是OpenAI 正在从卖 API 调用次数转向卖一套能让你持续迭代的开发者平台谁在这个平台上做出产品谁就能赚到钱而平台本身则靠生态黏性获利。2. GPT-6.1 Sol新旗舰模型的工具原生进化2.1 架构与规模不是简单的堆参数GPT-6.1 Sol 在各路流出的跑分里确实很漂亮但更值得关注的不是分数而是它的设计哲学。按照发布会上的技术说明Sol 采用了类似多专家混合 动态路由的架构同时引入了一个细粒度的工具调用规划层。你可以把它理解成模型本身不是对所有任务一视同仁地用一个巨大的前向传播来推理而是先判断这个任务需要哪些子能力再激活对应的专家模块。这个设计让它在执行包含多个步骤的任务时不会因为参数规模太大而变得迟钝。不过按我的经验跑分只能参考。真正上手之后Sol 最明显的变化是知道自己什么时候该查资料、什么时候该写代码、什么时候该问人。以前模型经常试图直接编一个答案现在它会主动表达这里我需要看下仓库里的某个文件或这个 API 的返回结构我没把握建议你确认一下。这种不确定性表达对开发者来说反而比假装自信更有用。2.2 原生工具调用与智能体循环Sol 这次把工具调用从外部插件变成了内建能力。它支持在一个推理周期内同时规划多个工具调用并且能根据中间结果动态调整计划。打个比方以前模型用工具像一个人先查一个词再查另一个词每一步都要回到大脑重新思考现在则更像一个熟练的工程师手边有电话、有电脑、有资料夹可以一边打电话一边翻资料还能随时把手上的活儿调整优先级。在实际演示中Sol 处理了一个跨文件重构任务先读取主模块的接口定义调动 grep 工具搜索所有调用点再批量生成修改建议最后自动运行测试并反馈失败信息。整个过程里模型能记住哪些文件已经看过、哪些测试还没跑不需要开发者反复提醒。这种智能体闭环的能力才是它和上一代最大的分水岭。2.3 上下文、多模态与长任务耐力上下文长度这次官方给的是 2M tokens但比长度更重要的是长上下文下的注意力质量。我之前用长上下文模型经常遇到一个问题前面的关键信息会被后面的大量内容挤掉就像人在看长文档时翻到后面忘了前面。Sol 引入了一个新的关键信息锚定机制会主动把前面提到的核心约束比如代码风格、用户需求标记出来并在后续生成中反复引用。多模态方面Sol 支持图像、图表和代码文件混合输入。我在测试时给了一张架构图让它生成对应的数据库 schema理解准确率比之前明显高。另外它对音频输入的处理也增强了可以直接把会议录音转成行动清单并关联到相关代码仓库。这些能力本质上是把人能理解的信息形态进一步拓宽也让开发者少做很多中间整理工作。2.4 价格与接入方式新的 GPT-6.1 Sol API 定价比上一代旗舰略高但考虑到它能在一次请求中完成更多工作实际单位任务的成本反而可能下降。接入方式基本兼容现有 Chat Completions 接口只需要把模型名改成gpt-6.1-sol很多应用不需要改代码。但如果你想发挥它的完整能力建议还是用新的 Responses API因为工具调用和状态管理在那边支持得更完善。3. dots让 AI 精确看到你指的代码位置3.1 dots 到底是什么dots 是这次发布会里我最喜欢的一个工具没有之一。简单说它是一套内联标记系统允许你在代码库的任意位置打上点dot从而把 AI 的注意力锁定到你关心的那几行代码上。听起来很简单但用过 Codex CLI 的人都知道之前和 AI 协作最大的痛点就是它找不到我真正想改的地方。你可以用自然语言描述把第 42 行附近的错误处理改一下但模型可能会因为对代码上下文的理解偏差改到别的地方去。dots 解决的就是这个问题你在编辑器里直接标记AI 就能把标记位置当作任务的精确坐标。3.2 dots 的典型使用流程我实际试下来dots 的流程非常顺。假设你要在一个 Python 服务里调整登录逻辑第一步在代码里添加一个 dot 标记# dot(app/auth.py:42) # 目的修改登录失败时的重试策略 async def login(request): ...第二步在 Codex CLI 里输入你的需求codex 根据 auth.py:42 这个 dot调整重试次数为 3 次并补充单元测试Codex 会读取 dot 标记附近的代码并且自动拉取相关的测试文件生成修改方案。你确认后它会把改动直接落实到文件里。第三步如果你想标记一个跨文件的改动范围可以连续打多个 dot# dot(app/auth.py:42) # dot(app/quota.py:8)Codex 会把这两个位置串联起来理解比如自动识别它们都在同一个用户请求生命周期里然后给出整体性修改建议。这个跨文件串联的能力是 dots 和普通注释的本质区别。3.3 背后原理与使用场景dots 听起来像一个轻量功能但实现起来并不简单。它需要模型在代码索引阶段就把这些标记解析为图结构同时还要理解注释里的目的字段。从产品层面看dots 非常适合三个场景大型旧项目代码动辄几十万行让 AI 自己大海捞针不如直接告诉它坐标。代码评审你可以在 review 时用 dots 标出问题区域让 AI 帮你生成修改建议。多文件重构把关键入口和出口都打上点AI 就能全局理解你的重构意图。3.4 与 Codex CLI 的结合这次的openai/codex更新干脆把 dots 做进了命令行代理。安装方式依然是 npm 全局安装npm install -g openai/codex装上之后Codex CLI 会自动识别仓库里的 dot 标记并且在对话开始时汇总所有标记的位置和目的。我就发现一个小坑如果标记里有中文目的字段老版本需要设置CODXE_MULTILANG1才能正常解析。不过 DevDay 之后的最新版已经默认支持多语言注释了不需要再手动配。4. ChatGPT Spaces把对话装进项目容器4.1 为什么需要 Spaces经常用 ChatGPT 写代码、写文档的人应该都有过这种体验一个对话里既聊了需求、又贴了几张截图还写了代码最后想回去找某个结论时整屏都是混乱的。Spaces 的出现就是治这个病的。你可以把 Spaces 理解成ChatGPT 版的项目文件夹。每个 Space 都有独立的对话历史、文件附件、代码片段、运行环境和成员权限。它不是简单地把聊天记录分组而是把上下文彻底隔离。比如你同时做公司官网重构和个人博客迁移两个项目在 Web 端左侧栏建两个 Space两者之间的对话、文件、工具调用完全互不干扰。4.2 创建与管理 Spaces多项目隔离与共享创建一个 Space 基本没有门槛。在 ChatGPT 首页点击新建空间输入名称和描述即可。每个 Space 可以设置自己的系统提示词这样就不用每次对话都重复交代背景。权限模型这次做得比较完善。Space 有 Owner、Editor、Viewer 三种角色。Owner 能管理成员和删除空间Editor 可以创建新的对话、上传文件、启动代码执行环境Viewer 只能查看已有内容不能发起新的任务。这个设计对团队协作特别友好——你可以把一个 Space 分享给同事但不必担心他们乱改你的系统提示词。在 API 层面Spaces 也开放了接口。你可以通过spaces.create创建一个空间然后在里面跑模型调用所有调用记录都会归集到该 Space 下。这意味着第三方应用可以基于 Spaces 构建客户级隔离的 AI 工作台每个客户的数据和对话历史都锁在独立空间里。4.3 团队协作中的实际效果我拉了一个小团队实测 Spaces 的协作场景。我们把一个 Django 项目的需求文档、设计稿、Bug 列表都放进了同一个 Space每个人都以 Editor 身份加入。效果非常明显原来我们开会要同步大量上下文现在只需要把相关对话链接发出来新加入的同事点进去就能看到完整脉络。最厉害的是 Spase 内的运行环境。它支持直接启动一个临时的 Jupyter 或 Codex 环境团队成员可以共享同一个运行上下文。这意味着你可以让 AI 在 Space 里改代码同事立刻看到改动结果而不需要各自在本地折腾环境。当然这也有个安全边界问题Space 内的代码执行是沙箱化的默认不能访问本地文件系统。4.4 Spaces 的下一个想象空间从这次发布的 roadmap 来看Spaces 未来可能会接入更多第三方工具比如 GitHub 仓库同步、Slack 通知、甚至 Notion 双向同步。到时候团队协作的形态可能会变成所有 AI 相关的工作都在 Spaces 里完成然后通过 API 把结果同步回原来的系统。这其实是 OpenAI 想成为项目层操作系统的信号值得所有开发团队关注。5. 除了三件套还有哪些更新值得动手试试5.1 API 平台与模型网关DevDay 上发布了新的openai.gateway服务允许你在一个接口下管理多个模型供应商的调用。这个网关支持把请求自动路由到不同模型包括 Anthropic、Google 的模型还内置了失败回退和成本预算控制。对于不想被单一厂商绑定的团队来说这是个好消息。而且它仍然是 OpenAI 风格的 API 格式迁移成本很低。5.2 实时 API 和语音能力的升级实时语音这次推出了新的低延迟模式端到端延迟控制在 300 毫秒左右。现场演示里AI 能一边听你说话一边查看你共享的屏幕内容并给出建议反应速度几乎接近真人。另外新增了语音自定义选项你可以通过 30 秒的样本克隆自己的音色用于客服机器人或语音助手。5.3 安全、评估与数据治理的新工具这可能是企业采购最关心的一部分。OpenAI 推出了一套新的评估平台Evaluation Studio可以自动生成针对性测试集追踪模型在敏感话题上的表现。同时出了一个数据隔离选项支持将企业数据保留在指定区域内处理。这些功能对于金融、医疗等强监管行业非常重要也让开发者在向组织内部推广时更有底气。6. 实操心得从 DevDay 发布会到我的工作流6.1 迁移到新模型的三个建议如果你们团队已经在用之前的 GPT-6 或 GPT-5 系列我建议先做三件事建立差异型测试集不要直接拿全部流量切到 Sol先准备 50 个典型任务同时跑新旧模型对比输出质量。重新设计系统提示词Sol 对工具调用的自主性更强旧的一步一步思考提示可能反而会限制它。可以试试用更简洁的目标导向提示比如你需要修改这个文件先阅读相关 dot然后自己决定用什么工具检查测试。监控工具调用频率Sol 的 agent 能力会导致 API 消耗 token 变多因为它在内部会多次调用工具。记得在仪表盘上按思考token/工具调用token/输出token分项追踪成本。6.2 组合工作流示例我目前最推荐的一套工作流长这样在 ChatGPT Spaces 里新建项目工作区把需求文档和架构图传进去。在代码仓库里用 dots 标记关键变更点。通过 Codex CLI 连接 Space直接对 Codex 说读取这个 Space 的需求文档然后结合仓库里的 dots 完成重构。Codex 会自动把产出上传到 Space团队成员在容器里跑测试、看结果。这套组合拳的好处是上下文不会丢、权限可控、结果可追溯。所有决策过程都集中在 Spaces 里新成员接手时不用再翻几十个聊天记录。6.3 几个容易踩的坑dots 标记别打太多。我一开始为了追求精确在一个文件里打了七八个 dot结果 Codex 反而变得过于关注局部忽略了整体逻辑。后来发现核心入口和出口各打一个点就够了中间过程让模型自己读代码。Spaces 的系统提示词不要设得太长。我试过写一个 2000 字的系统提示词结果每次开头都要消耗大量 token而且模型对提示词的遵从度反而下降。现在只保留了项目目标和三条核心约束效果更好。千万不要在本地生产环境直接跑 Sol 的 agent 模式。虽然它能力很强但在执行代码重构时可能会意外改动你不想动的文件。一定要先在 Spaces 的沙箱环境里跑通再同步到本地仓库。DevDay 现场也强调了这一点默认情况下Codex 的写操作需要你批准后才执行不要为了省事把它关掉。最后再分享一个小技巧如果你在用 GitHub可以试试在 PR 描述里加上dot标记的链接Codex CLI 会自动把这些链接识别为待处理的任务。这个功能官方文档里写得很隐蔽我也是折腾了好久才发现。用它来管理 AI 生成的代码变更整个 review 流程会清爽很多。这次 DevDay 发布的内容信息量很大但真正好的工具不是功能越多越好而是能让人忘了工具本身、专注于手头的问题。dots、Spaces 和 GPT-6.1 Sol 给我的感觉就是它们开始认真对待开发者在真实工作流中的痛苦了。建议大家都去亲手试一下不要只看演示视频。
阅读完成 · 觉得有帮助？
